基于头部切片的组织提取研究 （毕业设计44页、18813字）
摘要：如何将二维的人体切片图像转化成直观的三维结构是现代医学三维可视化所需要解决的热点问题。本文利用MATLAB对美国一男性头部切片图像进行了预处理效果的比较和基于阈值分割算法的研究，并且利用逐行扫描的方法提取出所有头部切片图像的边缘轮廓数据。为了验证文中所用算法的优劣，把所提取出的轮廓数据综合到一个点云文件中，把该文件导入Imageware中进行三维重构。实验结果表明中值滤波能很好的滤除噪声，基于阈值的分割算法能很好的把组织从切片图中提取出来。但是由于在进行三维点云数据提取的过程中，丢失了部分的边缘数据，重构出的三维图像不够完整、光滑且含有少量的噪声，算法有待改进。
关键词： 图像分割；滤波；阈值；边缘提取；三维点云数据
The Research of Tissue Extraction Based
on Brain Slices
Abstract: It is a hot topic to be solved in modern medical three dimensional visualization that how to transform the two dimensional human slices to an intuitionistic three dimensional structure .The preprocessing effects of an America male brain slices are compared and the algorithms based on threshold are studied through MATLAB. At the mean while, all of the contour data of the brain slices is extracted through line-by-line scanning. In order to verify the quality of the algorithms in this paper, the extracted data of the contour is organized to a point cloud file. Then, the file is imported to Imageware to realize 3D reconstruction. The experimental results show that the noise can be eliminated through median filter and the algorithm of segmentation based on threshold can extract the tissues from the slices well. But the reconstructed three dimensional images are not intact and smooth and there is little noise, as some of the contour data is lost in the three dimensional point cloud data extraction. So the algorithms are to be improved.
Key Words: Image Segmentation, Filter, Threshold, Edge Extraction, 3D Point Cloud Data
目 录
第1章 绪论 1
1.1 课题研究的背景与意义 1
1.2 国内外的研究现状与分析 2
1.3 医学图像分割的常见任务 3
1.4 脑图像分割研究特点 4
1.5 本论文的组织结构 5
第2章 切片图像的预处理与分割 7
2.1 引言 7
2.2 切片图像的预处理 7
2.3 切片图像的分割方法 8
第3章 头部切片图像分割算法的MATLAB实现 9
3.1 头部切片图像的预处理 9
3.1.1 切片区域的选取 9
3.1.2 各种预处理方法的综合比较 10
3.2 头部切片图的分割算法 15
3.2.1 阈值的选取方法 15
3.2.2 头部切片图的边缘提取 24
3.2.3 边界轮廓的提取 26
3.3 本章小结 27
第4章 头部切片图像的数据提取 28
4.1 确定切片的分割算法 28
4.2 切片轮廓数据的提取并生成点云文件 28
4.2.1 点云数据提取 28
4.2.2 点云文件的生成 29
4.3 头部切片图像批处理的实现 29
4.4 头部切片图像的三维重构 31
第5章 算法总体分析 32
5.1 点云数据分析 32
5.2 重构效果分析 32
5.2.1 点重构效果 32
5.2.2 曲线重构效果 33
5.2.3 曲面重构效果 33
5.3 算法分析 34
结论 36
致谢 37
参考文献 38
附录 39
第1章 绪论
1.1 课题研究的背景与意义
图像分割是图像处理和计算机视觉领域中一个十分重要的内容，也是一个经典的难题。图像分割是指把图像分成各具特性的区域并提取感兴趣目标的技术和过程，是由图像处理到图像分析的关键步骤，也是一种基本的视觉技术。只有在图像分割的基础上才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。分割结果的精确程度至关重要，它直接影响到后续的处理，因此对图像分割方法的研究具有十分重要的意义。
随着医学成像技术的发展，为临床诊断提供了多种不同时空分辨率的二维医学图像，从不同角度反映了人体的内部结构及组织，经过图像处理和分析技术，进而可以实现模型的三维重建及立体可视化。这些信息使现代医学的诊断技术及治疗水平发生了翻天覆地的进展，进入了一个全新的可视化的信息时代[1]。
目前绝大多数情况是通过观察人体的某一切片图像来进行诊断，并通过多张切片比较想像病灶的情况。由于人体器官构造的复杂性和形态多样性，以及病变位置与形态的不可预知性[1]，没有相当的医学专业知识和实践临床经验，很难读懂判断这种二维切片图像，更难于从中构想出组织器官的三维立体形态和相互关系，所以仅仅从二维图像难以满足现代医疗诊断的要求。
为了提高现代医学教育与科研工作的水平，美国国家医学图书馆的科学家于1989年实施了一项“可视人体计划”(Visible Human Project, VHP)，构造了一个由人体数据表示的健康成人男性和女性的数字图像库。它包括冷冻尸体断层切片数字图像，CT扫描和MRI数字图像。1994年11月由科罗拉多大学医学院完成了男性数字图像库的制作，它包括间隔为1.0毫米的1971片数字图像(共15GB)。1995年11月完成了女性数字图像库的制作，它包括间隔为0.33毫米的5189片数字图像(共39GB)。这就是目前在国际上发行最广，引用最多的VHP数据集。VHP数据集公布后，美国和其他国家对人体切片图像的应用开发项目就蓬勃发展起来了。这些数据可以在签定协议后通过因特网或DAT磁带无偿提供。迄今为止，美国国家医学图书馆已经和43个国家的用户签定了1400多个协议，并且已经召开了两次有关“可视人体”的国际学术会议，取得了丰硕的成果，引起了世人的瞩目[1]。
我国2001年11月召开的174次香山科学会议，以“中国数字化虚拟人体的科技问题”为主题，揭开了我国数字化虚拟人研究的序幕。经过一年多的努力，由中科院计算所、第一军医大学临床解剖学研究所、首都医科大学生物医学工程学院、华中科技大学生命科学与技术学院共同协作，首先开始了中国虚拟人体关键技术的研究任务。在标本切削加工、冰库改建、血管显示、数据采集等方面，在前人的研究基础上有所提高和改进。我国上海、重庆和广州等地的解剖学专家们，已先后提供了4个切片数据集，切片间距和断层总数分别为：上海(男)1.7mm，断层总数1058片；上海(女)0.57mm，断层总数3022片；重庆(男)0.lmm，断层总数2518片；广州(女)0.2mm，断层总数8556片。其中，2003年2月由广州第一军医大学完成中国虚拟人(Visible Chinese Human, VCH)女一号的数据获取，其中有断层精度为0. 1二的颅底和心脏数据集(美国VHP的断层精度为0.33mm，韩国VIOi为0.2mm)，数字化摄影分辨率为3024 ×2016像素，并在血管灌注显示上有新的突破。
数字化虚拟人体切片图像的研究涉及到一系列相关基础科学和关键技术，这是一个极富挑战性的课题。目前中国在许多方面已有较多研究积累。另外，由于现代化医学成像设备和高性能计算机以及高端网络的出现，使得我国开展虚拟人体研究所必需的软件和硬件基本具备。建立具有东方人种特征的三维数字化人体模型，将为我国甚至世界的医学研究、医学教学与临床应用提供形象而真实的模型，为疾病诊断等医疗手段的开发提供极其重要的参考，为有关人体的数字化模拟奠定坚实的基础。
1.2 国内外的研究现状与分析
人体切片图等医学图像的体数据来源于各种影像设备，或者来源于彩色解剖或切削图像数据集。依据体数据在三维空间上的分布来分类，切片图像属于规则网格结构化数据。由于结构化数据中数据表示的特点，图像经过图像分割后可方便进行三维重建。图像分割是所有图像处理、分析和理解系统的关键技术之一，也是对三维数据进行可视化处理非常重要的一个环节。如前所述，只有对二维数据进行了准确分割，才能经过后续的三维重建得出合理几何模型[1]。
由于图像分割受到了人们长期以来的重视，图像分割的算法也发展了上千种。而对于“虚拟人”切片图像的研究，国内学者一直关注着这一研究工作的进展并利用美国的VHP数据集进行了卓有成效的研究工作。如香港中文大学虚拟现实、可视化与图像学研究中心王平安等利用VHP数据进行了人体头部、心脏、气管支气管等器官的可视化研究以及中医经络和穴位在可视人体的显示；清华大学唐泽圣等利用科学计算可视化和虚拟现实技术对人体颅底部结构进行了可视化显示；清华大学白净等利用VHP的数据，在基于虚拟人的计算医学研究方面，对人体多个器官的结构与功能进行了可视化显示；中国科学院自动化研究所田捷等构建了开放的虚拟人体实验平台(MITK)，对于数据压缩、图像分割、配准与融合、三维重建与绘制以及面片化简算法等进行了研究；复旦大学宋志坚等利用CT、MRI获得的数据进行三维重建和立体显示研究，其结果已实际应用于临床诊断；山东大学刘树伟等使用自己制作的断面标本获取数据，对网膜囊和肝段等人体结构进行了三维重建和立体显示；厦门大学王博亮等对虚拟眼进行了研究等等。可见，这个领域的研究在国内已经取得了一定的成果。
1.3 医学图像分割的常见任务
正像前面所述的医学图像分割是制约医学图像处理中其他相关技术发展和应用的瓶颈，是医学图像理解的基础。根据医学图像的成像模式，常见的分割任务[2]主要有：
1.针对磁共振图像，尤其是脑核磁共振图像的分割。这是由于核磁共振图像具有高分辨率、高信噪比和出色软组织对比度等特点，主要使用聚类方法、神经网络方法和MRF方法等；
2.胸部X光射线透视图像，主要使用分类器、活动轮廓模型和MRF方法；
3.CT图像中骨和骨瘤的分割，主要通过阈值法、MRF、形变模型和区域生长法及其之间的结合；
4.超声图像、心电图像，主要使用形变模型和手工分割；
根据医学图像分割方法分类，常见的分割任务[2]有：
1.基于边界的医学图像分割是将图像中感兴趣的区域(ROI)分离出来，提取其边界，例如X光片和CT片需要勾画出肿瘤的明确边界，超声图像中需要准确地确定心房、心室的舒张、收缩轮廓，以及将CTA图像和MRI图像中的血管部分从周围组织中提取出来应用。其目的是为ROI准确定位、三维重建及定量化测定提供基础。但人体的不同部位及不同模态的图像ROI提取的难易程度是不同的，对血管的分割难度最大；
2.基于区域的医学图像分割是对一幅图像按特征相似性划分为若干具有意义的区域。例如使用阈值法分割CT图像中皮肤、骨骼；使用区域生长法分割肿瘤和伤疤；使用聚类方法分割磁共振图像中的脑白质和脑灰质等。
1.4 脑图像分割研究特点
由于噪声、场偏移效应、局部体效应等的影响，使获取的医学图像不可避免地具有模糊、不均匀性等特点。此外，人体的解剖组织结构和形状很复杂，而且个体之间有相当大的差别。因此，医学图像分割是一项困难的任务，经过国内外研究人员多年的努力，虽然提出很多种分割算法，但至今仍然没有获得圆满的解决。医学图像分割仍是研究的热点，脑图像分割是医学图像分割一个重要的研究领域，其分割算法的研究具有以下特点[2]：
1.对于医学图像的识别而言，有的时候需要专家的指导，解剖知识、病理知识以及关于成像方式的知识也是必不可少的。利用医学领域的先验知识可以起到简化算法、提高效率的效果并得到更精确的分割结果。通常医学领域的先验知识可以归纳为五种：一是临床知识，如某种疾病的症状及它们所处的位置。二是成像知识，即不同影像设备的成像特点，不同成像设备的扫描参数等。三是对象的形状特征，即解剖知识和形态学信息；四是不同对象空间的关系；五是统计知识，如图像中不同对象的灰度分布情况等。
2.将新概念、新方法引入图像分割领域，尤其是结合数学领域的理论提出的新方法。如基于数学形态学、神经网络、模糊集与粗糙集理论、小波、遗传算法、偏微分方程与变分法、马尔可夫随机场等理论的特殊分割技术。
3.单一的分割技术难以胜任复杂的医学图像分割任务，将多种图像分割算法有效结合日益受到重视，近几年提出的方法大多数是结合多种算法的。采取什么样的结合方式才能充分利用多种方法的优点，取得好的效果己成为人们关注和研究的问题。
4.随着三维可视化技术的发展，医学图像分割的三维分割受到更多关注。这是因为，医学图像中直接给出了以二维切片形式组织的三维数据，这就为三维分割提供了可能。有两种三维分割方式：一是直接在三维数据空间中分割，提取出感兴趣对像的体素：另一种是对每张二维切片独立进行分割，再将每张切片中提取的轮廓组合起来用于三维重建。
5.医学图像分割面向具体的临床应用，分割算法的准确性将影响诊断的结果和治疗方案，因此算法的准确性尤为重要。
| 